Csoportos viselkedés és automatizált etológia

Átírás

1 Csoportos viselkedés és automatizált etológia Vásárhelyi Gábor, PhD ELTE Biológiai Fizika Tanszék StatFiz Szeminárium, május 14.

2 hálózatok: irányíthatóság, hierarchia, adathalászat sejtek, szövetek: mintázat, szegregáció, perkoláció madarak, emlősök: szociális dinamika, vezetés szimulációk: csoportos döntés, optimális hierarchia hardver, szoftver: GPS, INS, videó robotok, drónok: vezéregyedek, autonómia 2

3 3 Milyen a csoportos mozgás?

4 4 U n i v e r z á l i s

5 5 Hatékony Önhajtott, nem egyensúlyi

6 Egyszerűen modellezhető, mégis bonyolult 6

7 Vicsek-modell Állandó sebességű, önhajtott részecskék Sebesség irányát befolyásolja: Szomszédos részecskék sebességének iránya Zaj Vicsek, T.; Czirok, A.; Ben-Jacob, E.; Cohen, I.; Shochet, O. (1995). "Novel type of phase transition in a system of self-driven particles". Physical Review Letters 7

8 8 Tartalomjegyzék Csoportos mozgás, csoportos döntéshozatal az állatvilágban Galambok kontextus-függő hierarchiája Optimális tudáseloszlás a csoportban Kutyák viselkedésének automata elemzése Csoportosan repülő robotok

9 Modern technológiák az etológia szolgálatában Kamerák (jó felbontás térben és időben, automatikus képfeldolgozás, sztereo/3d) Mozgásérzékelők (VICON, gyorsulásmérő, giroszkóp, magnetométer, nyomásérzékelő) Helymeghatározók (GPS, GSM, rádió lokátorok, RFID) Adatfeldolgozási kapacitás és sebesség 9

10 10 Google Scholar Trendek

11 Csoportban lenni biztonságosabb Valódi ragadozó Virtuális zsákmány szimulált viselkedéssel Kevesebb támadás a csoportosan mozgók irányába (irány átlagolás, többiekhez közel) Ioannou, C.C., Guttal, V. & Couzin, I.D., Predatory Fish Select for Coordinated Collective Motion in Virtual Prey, Science (2012) 11

12 Csoportban lenni hatékonyabb Portugal, Steven J., et al. "Upwash exploitation and downwash avoidance by flap phasing in ibis formation flight." Nature (2014):

13 Optimális információterjedés 3D trajektória rekonstrukció 3 kamerával (170Hz) Irányváltás info időben lineárisan terjed (~50ms), disszipáció mentesen Szuperfolyadék-kal analóg modell, optimális hatékonyság A. Attanasi et al., Superfluid transport of information in turning flocks of starlings, arxiv preprint (2013) 13

14 Nem kell sok vezér Kétszintű modell, szimuláció rejtett vezetőkkel Minél nagyobb a csoport, arányaiban annál kevesebb vezető kell 5-10% vezető már hatékonyan irányítja a teljes csapatot. I. D. Couzin, J. Krause, N. R. Franks, S. A. Levin, Effective leadership and decision making in animal groups on the move, Nature (2005) 14

15 J. Halloy, et al., Social Integration of Robots into Groups of Cockroaches to Control Self-Organized Choices, Science (2007) 15 Robot szomszéd, menjünk együtt! Alap sötétebb a jobb búvóhely keresési mód manipulálva Kollektív döntés lokális interakciók alapján, nemlineáris visszacsatoláson keresztül

16 Vezetéshez kontaktus is elég N. Tarcai, Cs. Virágh, D. Ábel, M. Nagy, P. L. Várkonyi, G. Vásárhelyi and T. Vicsek, Patterns, transitions and the role of leaders in the collective dynamics of a simple robotic flock, J of Stat. Mech (2011) 16

17 large-versus-medium dark-versus-light D. J.T. Sumpter, J. Krause, R. James, I. D. Couzin, A. J.W. Ward, Consensus Decision Making by Fish, Current Biology (2008) 17 Dönt aki tud, követ aki nem Melyik ál-halat kövessük? Határozatképes döntéshozatal (ha nem tudom mit döntsek, azt csinálom, amit a többség) Döntési hatékonyság nő a csoportmérettel Jó döntést hozó egyedek aránya és azon próbálkozások aránya ahol mindenki jó döntést hoz (vonzóbb műhalat követi)

18 Arganda, S., Pérez-Escudero, A., & de Polavieja, G. G., A common rule for decision making in animal collectives across species, PNAS (2012) 18 Az állatok a valószínűségszámítás zsenijei Bayes-i egyesített modell, valószínűségi döntés mások döntései alapján Csak a döntések számának különbsége számít zebrafish argentine ant stickleback P x as as ( n ( n x y kn kn y x ) ) 1

19 19

20 Együk meg egymást, közösen messzebb jutunk! Sűrűségtől függő viselkedés Kannibalizmus hajtotta vándorlás Mégis: sokan együtt messzebbre jutnak, mint egyedül Guttal, V., Romanczuk, P., Simpson, S. J., Sword, G. A., & Couzin, I. D., Cannibalism can drive the evolution of behavioural phase polyphenism in locusts, Ecology Letters (2012) 20

21 A karrierista hangyák Hangyák automata követése QR kóddal (>100 egyed, > 1 hónap, 6 kolónia, 9 millió interakció) Szervezett társadalom, munkamegosztás, ranglétra, életkorfüggő felelősség, karrier : ápoló királynő körül takarító fészekben gyűjtögető fészken kívül Mersch, M. P., Crespi, S. & Keller, L., Tracking individuals shows spatial fidelity is a key regulator of ant social organization, Science (2013) 21

22 Vezetés/hierarchia típusok Állandó (időben lassan változó) hierarchia két szint: vezető + követő Vezetők megkülönböztetettek korlátlan csapatméret táncoló méhek, hangyakirálynő, tanár-diák viszony Összetett hierarchia Kis méret: mindenki ismer mindenkit A legtöbb állatcsapat, majmok, elefántok, galambok, iskolai osztály Nagy méret: egyéni megkülönböztető jegyek (territórium, megjelenés): Szociális élőlények (hangyaboly, méhkas, vállalatok) Pillanatnyi vezetők Nagy csapatban is gyors, hatékony döntéshozatal egyfajta többségi szavazással, egyéni valószínűségszámítással halraj, birkanyáj, seregély raj, pánikban lévő tömeg 22

23 23 Tartalomjegyzék Csoportos mozgás, csoportos döntéshozatal a nagyvilágban Galambok kontextus-függő hierarchiája Optimális tudáseloszlás a csoportban Kutyák viselkedésének automata elemzése Csoportosan repülő robotok

24 M. Nagy, G. Vásárhelyi, B. Pettit, I. Roberts-Mariani, T. Vicsek, D. Biro, Contextdependent hierarchies in pigeons, under review in PNAS, Kontextustól függő hierarchiák galambcsapatokban Benj Petit 1, Zsuzsa Ákos 2, Máté Nagy 12, Isabella Roberts-Mariani 1, Dániel Ábel 2, Gábor Vásárhelyi 2, Dóra Bíró 1, Tamás Vicsek 2 1 Department of Zoology, University of Oxford 2 Department of Biological Physics, ELTE

25 Mesterséges látás keretrendszer 3 folt, 5 szín 30 egyed 4 folt, 4 szín 54 egyed 25

26 Automatikusan mért jellemzők Q F Q F NN Q F ij j i ij j i FQ 0.05 m/s ) ( 50 cm ) (, ) ( ) ( min max v t v d t d t d t v AA i ij t ij i ij Q i F i i T Q i T F 1 1 egyéni jellemzők: páros jellemzők: 26

27 Galambok etetése a dúcban 27

28 28 Hierarchikus tulajdonságok M C D, where C D ij ij min( M ij max( M, M ij ji M ) ji,0) M ij C ij X 2 X 3 X Eades-heurisztika X 3 X 1 X S i, j, i j i, j, i j C M ij ij T i, j, ji i, j, i j D D ij ij

29 29 10-es csoport 30-as csoport

30 GPS+INS logger rendszer 10Hz GPS (2-3m / 0.01 m/s felbontás) 100Hz 3D gyorsulásmérő (±6g, 16 bit) 100Hz 3D giroszkóp (±500º/s, 16 bit) 1Hz hőmérő 2.5 óra műkődési idő / 13 g tömeg 150mAh LiPo akkuval 25x45x12 mm teljes méret alkalmazásfüggő, programozható firmware 30

31 Szoftveres háttér Firmware feltöltés, adatletöltés, GPS-INS-videó szinkronizáció, interaktív vizualizáció, adatelemzés, adatmentés 31

32 INS adat példa #1 nagyfrekvenciás részletek, GPS pozíció pontosítás (szenzor fúzió), viselkedés felismerés, mozgás analízis galamb repül a dúc körül ~8Hz szárnycsapásokkal (1s részlet) 32

33 vízimadár szakaszos szárnycsapása (20 s részlet) 33 INS adat példa #2 programozható firmware, eseményvezérelt ébredés időre vagy kis fogyasztású INS szenzorok jele alapján

34 Navigációs kompetencia mérés Corr i ij v ( t') v (, t) j ( t' ) t' [ t3s; t3s] * ( t) ij max( Corr ij (, t)) Nagy, M., Ákos, Z., Biro, D., & Vicsek, T., Hierarchical group dynamics in pigeon flocks, 2010 Nature 34

35 35 Stabil hierarchia 30 fős galambcsapat csoportos repülésében

36 36 Kontextusfüggő stabil hierarchiák FQ dominancia Csipkedésszám Navigáció

37 37 Tartalomjegyzék Csoportos mozgás, csoportos döntéshozatal a nagyvilágban Galambok kontextus-függő hierarchiája Optimális tudáseloszlás a csoportban Kutyák viselkedésének automata elemzése Csoportosan repülő robotok

38 Optimális tudáseloszlás a csoportban avagy Hogyan osszunk fel véges tudást (költséget, erőforrást, pénzt) a csoportban, hogy a csoport a lehető legjobban teljesítsen? Tamás Vicsek, Anna Zafeiris ELTE Biológiai Fizika Tanszék 38

39 Keretrendszer Csoportos döntés tehát valószínűségi jóslás Különböző tudású egyedek tippelnek a saját tudásuk és a környezetük korábbi viselkedése alapján Genetikus algoritmus sokféleképpen változtatjuk a kezdeti tudáseloszlást, és a legjobban teljesítő csoportokat választjuk ki, evolváljuk tovább Optimális kollektív döntés iterációk hosszú során át alakul ki 39

40 40 Szavazó modell Fej vagy írás a helyes válasz? tippelj kérdezd meg a szomszédokat dönts többségi alapon új kör

41 Számsorozat tippelése kisvilág-hálózaton 41

42 Galambok csoportos repülési modellje 42

43 Eredmények különböző típusú hálózatokon 43

44 44 Tartalomjegyzék Csoportos mozgás, csoportos döntéshozatal a nagyvilágban Galambok kontextus-függő hierarchiája Optimális tudáseloszlás a csoportban Kutyák viselkedésének automata elemzése Csoportosan repülő robotok

45 Automata viselkedés felismerés tehetetlenségi szenzorokkal Linda Gerencsér 1, Gábor Vásárhelyi 2, Máté Nagy 2, Tamás Vicsek 2, Ádám Miklósi 1 ELTE Etológia Tanszék + SWARMIX 1 ELTE Biológiai Fizika Tanszék + COLLMOT 2 L. Gerencser, G. Vásárhelyi, M. Nagy, A. Miklósi, T. Vicsek, Identification of Behaviour in Freely Moving Dogs (Canis familiaris) Using Inertial Sensors, submitted to PLOS One,

46 46 Adatgyűjtés Alanyok Labrador retriever (N=12) Malinois (N=12) Loggerek Giroszkóp Gyorsulásmérő (GPS) Videó kamera Laptop (PiGeoNS szoftver)

47 Nyersadat, koordinátarendszer 47

48 Adatgyűjtés a helyszínen (tehetetlenségi szenzorok + kamera) Video + felirat: Viselkedési kategóriák (pl. áll, ül, fut, sétál) szinkr. Érzékelők: Adat jellemzők (pl. átlag, szórás, ferdeség, FFT) Tanító fázis (SVM tanuló algoritmus) Jósló fázis (SVM tanuló algoritmus) Tanító és ellenőrző adatbázis független Adatok elemzése (1 kutyán, fajtánként, fajták között) 48

49 Viselkedési kategóriák Nem átfedő viselkedések Átfedő viselkedési kategóriák áll (A=0) áll, ugat áll, liheg ül (A=0) ül, ugat ül, liheg fekszik (A=0) fekszik, liheg sétál (A=1) sétál, szimatol sétál, jobbra fordul sétál, balra fordul üget (A=2) üget, szimatol üget, jobbra fordul üget, balra fordul szalad (A=3) szalad, szimatol szalad, jobbra fordul szalad, balra fordul vágtat (A=3) vágtat, jobbra fordul vágtat, balra fordul 49

50 Adatjellemzők (126 db) Base parameter source Base parameter components Comments Linear acceleration (a) a x, a y, a z, a x /a z, a Accelerometer measures acceleration of gravity as well, thus fixed attitude of the sensor on the dog s back is necessary for replicable measurements. a x /a z is the tangent of the cranio-caudal direction relative to ground. Angular velocity (ω) ω x, ω y, ω z, ω Fixed attitude is necessary for gyroscope as well, which measures angular velocity in body-fixed coordinate system. Angular acceleration(b) dω x /dt, dω y /dt, dω z /dt, d ω /dt Calculated as the numerical derivative of ω. Dot products a b, a ω, ω b Included without any special intention, but increases recognition rate slightly. Input node vector components Definition (for any base parameter component x) Comments 1st, 2nd and 3rd moments μ = E[x] = x/n σ = (E[(x μ) 2 ]) 1/2 γ = E[((x μ)/σ) 3 ] i.e., average (mean), standard deviation, skewness Extrema values Fast Fourier Transformation components min(x), max(x), ext_count(x) dc, low, mid and high part of FFT(x) Ext_count is the total number of local minima and maxima. Low, mid and high parts are calculated on the lower half of the spectrum. The upper half is mostly empty or includes pure noise. Note that these components are similar to the generally used partial dynamic body acceleration, but FFT provides a more general context for accessing high frequency components. 50

51 Eredmények (1-1 kutyára) 51

52 Eredmények (több kutyára) 52

53 Jóslás vs. kódolók 53

54 Felhasználási területek Hosszú távú, kis fogyasztású egyéni viselkedés mérések Kutya-robot-ember együttműködés Viselkedés alapú távirányítás Vadászat, mentőakció, csoportos keresés Hatékony monitorozás (kutya-cica, tehén-birka-ló, babák-öregek) Kiterjesztett valóság 54

55 Következő generáció Előzetes eredmények: közel 100%-os felismerés valós időben GPS, gyorsulásmérő, giroszkóp, mágneses szenzor, nyomásmérő, hőmérők, mikrofon, hangszóró Vezetéknélküli kapcsolat Onboard miniszámítógép, Linux, valós idejű adatelemzés 6x6 cm, 100 g 55

56 Vezetés, személyiség, dominancia összefüggése kutyáknál Zs. Ákos, R. Beck, M. Nagy, T. Vicsek and E. Kubinyi (2014) Leadership and Path Characteristics during Walks Are Linked to Dominance Order and Individual Traits in Dogs PLoS Comput Biol 10 e Public Library of Science 56

57 57 Összefoglalás csoportos mozgás: mindenki egyforma + zaj csoportos döntés: pillanatnyi egyéniség, mindenki számít (valószínűséget) csoportos viselkedés hierarchia: mindenki más, de csoportban az erő vezetők és követők: kevés dönt, sok követ

58 EU ERC COLLMOT ( ) A kutatást részben támogatta: Magyary Zoltán Posztdoktori Ösztöndíj, TÁMOP A/